威尔逊区间

由于工作原因要使用威尔逊区间来计算POI与TD之间的分数，现在总结一下。
对于召回的一些数据如何给这些数据来排名，然后根据这个排名来显示数据，这就需要使用“威尔逊区间”了。

首先我们讨论的情况是每个项目只有两种选择，且项目之间是相互独立的，就是项目符合“二项分布”的。

如[1]中所举的例子中可以看出，无论得分情况为

得分 = 赞成票 - 反对票

还是

得分 = 赞成票 ／ 全部票

都会出现错误的情况。

有一种计算得分的策略是，通过某事件发生的概率的最低置信区间来对项目进行排序。

所谓”置信区间”，就是说，以某个概率而言，p会落在的那个区间。比如，某个产品的好评率是80%，但是这个值不一定可信。根据统计学，我们只能说，有95%的把握可以断定，好评率在75%到85%之间，即置信区间是[75%, 85%]。

而“威尔逊区间”就是为了计算这个“置信区间”的。二项分布的置信区间有多种计算公式，最常见的是”正态区间”（Normal approximation interval），但是这种算法对于小样本的情况下准确度是很低的。

威尔逊区间的计算公式如下：

$$\frac{\overline{p}+\frac{z^2}{2n}}{1+\frac{z^2}{n}} \pm \frac{z}{1+\frac{z^2}{n}}\sqrt{\frac{\overline{p}(1-\overline{p})}{n}+\frac{z^2}{4n^2}}$$

其中，$\overline{p}$ 表示的是一件事发生的概率，n表示发生的总次数，z表示置信水平，一般取0.95。

这样通过计算每个项目的“威尔逊区间”就能得到最终的排名。
比如知乎就是用这种策略来计算每条回答得分，最后按分数来排名的。

此时威尔逊区间也能化简为如下格式：

$$Score =\frac{(p + \frac{z^2}{2n} -\frac{z}{2n}\sqrt{4n(1-p)p+z^2})}{1+\frac{z^2}{n}}$$
其中p表示赞同数／总票数，n表示总票数，z为参数。

参考链接为：
1，http://www.ruanyifeng.com/blog/2012/03/ranking_algorithm_wilson_score_interval.html
2，http://blog.sina.com.cn/s/blog_67dd85310102wtdq.html

$$wel\_score = \frac{\overline{p}+\frac{z^2}{2n}}{1+\frac{z^2}{n}} - \frac{z}{1+\frac{z^2}{n}}\sqrt{\frac{\overline{p}(1-\overline{p})}{n}+\frac{z^2}{4n^2}}$$